堆代码网讯 周四发表在《科学》期刊上的一项研究显示，微软旗下AI诊断系统在模拟环境中对复杂病例的诊断准确率，达到普通全科医生的两倍以上。微软AI首席执行官穆斯塔法·苏莱曼表示，这一成果是迈向“医疗超级智能”的关键一步。这套名为MAI-DxO（简称DxO）的系统，通过调度多个AI智能体协同工作，模拟专家医师会诊的完整流程：智能体之间会完成问诊、开具检验检查项目、围绕诊断结论开展多轮论证的全环节操作。

在采用《新英格兰医学杂志》收录的复杂病例开展的模拟测试中，DxO的诊断准确率达到83%。而作为对照的全科医生与普通内科医师，在可查阅参考资料的独立工作模式下，准确率仅为36%。需要特别说明的是：这类高复杂度病例在真实临床场景中通常由专科医师或医疗团队处理，本次对照并未将该类专业群体纳入对比范围。

“这里面蕴含着非常扎实且令人兴奋的突破，”微软AI医疗部门副总裁多米尼克·金在接受TechCrunch采访时表示，“当前医疗服务供给端面临的最大挑战，就是医疗专业能力的供需错配正在持续扩大。”

随着本次研究成果公开，微软正式加入谷歌、OpenAI的行列，成为又一家宣称旗下AI可达到甚至超越人类医师诊断能力的科技巨头。研究本身的数据显示，这套系统的性能提升大部分来自底层基础AI模型的能力升级，微软自研的多智能体调度系统则在此基础上进一步拉高了准确率表现。微软使用多家厂商的主流模型对DxO进行了联合测试，覆盖OpenAI、谷歌、Anthropic、Meta与深度求索的相关产品，其中取得最佳测试结果的组合是OpenAI的GPT-5与GPT-5.5。

微软同时从准确率与运行成本两个维度对DxO进行了评估，后者指AI完成单例诊断的预估运行成本。仅使用基础简短提示词独立运行的GPT-5，在复杂病例测试中准确率为78.9%，单例运行成本约8400美元。接入DxO调度系统后，单例运行成本降低了约3000美元，但准确率仅提升了4个百分点左右。而在急诊场景病例测试中，GPT-5独立运行与接入DxO辅助后的表现几乎没有差异，准确率与成本控制维度均未出现明显优化。

搭配2026年4月发布的更新版模型GPT-5.5时，测试结果出现明显分化：在复杂病例场景下，DxO将GPT-5.5的准确率从72%提升至近87%，同时运行成本还实现了小幅下降。但和此前测试结果一致，急诊场景下的性能增益并未出现——无论是否接入DxO，该组合的准确率均维持在85%左右，运行成本也基本持平。

由此可见，DxO的性能增益在复杂病例场景、搭配能力相对有限的基础模型时表现最为突出。以谷歌Gemini 2.5 Flash为例，该模型独立运行时复杂病例准确率仅为46.4%，接入DxO调度后准确率提升至近69%。即便如此，不同基础模型之间的能力差距，仍然远大于DxO调度系统能带来的性能提升幅度。微软研究团队表示，随着基础模型性能逐步接近理论上限，准确率的边际提升自然会逐步收窄。官方发言人补充说明：“DxO调度系统的核心价值，在于解决准确率与运行成本的全局优化难题。”

主导微软前沿AI研发工作的苏莱曼向TechCrunch透露，公司目前正与梅奥诊所合作训练医疗专属基础大模型，计划于明年正式发布。他认为这款专属模型将让微软在该领域实现“真正意义上的巨大跨越”，而DxO正是微软为实现医疗领域实质性突破所搭建的核心底层基础设施之一。“我完全相信，到2027年，我们将迎来医疗记录领域的编码级技术突破，”苏莱曼表示，“届时我们将能够对医疗记录的后续发展路径输出高准确率的流式预测，这种预判能力对临床医师来说是极其珍贵的价值。”

苏莱曼的整个职业生涯始终围绕用AI解决医疗问题展开。他此前是DeepMind联合创始人，该公司于2014年被谷歌收购。次年，谷歌DeepMind收购了金创立的临床任务管理应用初创公司Hark，二人共同推出了DeepMind Health业务线。2024年苏莱曼加入微软主导AI部门，几个月后金也随之加入。

“我们是这个方向坚定的信徒，”苏莱曼说。他提到，尽管生成式AI在医疗领域的应用仍处于早期阶段，但他预计医疗专属模型的能力将在未来24至36个月内实现“一个数量级的跃升”。

“过去五六年里我们已经多次见证，一旦形成正向飞轮，技术迭代的速度就会快得超乎想象，”苏莱曼解释道，“这个飞轮指的是：我们把模型投入生产，依托真实世界的使用场景持续迭代，定位模型的能力短板并完成补丁与优化。这样的飞轮效应在代码生成领域已经发生过，更早之前在对话AI领域也已经验证，我认为明年这个效应就会开始在医疗记录与临床决策支持领域落地。”

通过与波士顿贝斯以色列女执事医疗中心达成的全新合作，微软将在不同医院场景中对DxO的临床推理能力开展真实世界评估。“这项技术已经完全具备进入真实世界开展评估的条件，你完全可以想象波士顿周五晚间急诊室会遇到的各类复杂、多样的临床问题，”金说。他介绍了本次研究的具体运行机制：所有患者仍将接受标准临床诊疗流程，包括分诊、专科医师问诊、治疗安排、检验检查以及出院安全评估。与此同时，签署知情同意书的患者还将同步接入DxO系统，微软及其合作方会将DxO输出的诊疗建议与人类医师的临床决策进行全面对比。

就在本月，谷歌与贝斯以色列女执事医疗中心合作的临床研究成果已发表在《柳叶刀》期刊上，该研究针对谷歌旗下对话式诊断AI AMIE在真实世界急诊就诊场景中的表现开展评估，全程由人类医师实时监督交互流程。“我们认为这将是该领域目前规模最大的同类研究，”金表示，“研究覆盖的场景不只是急诊，还包含紧急诊疗环境，在研究周期结束后，我们将拿到极具说服力的实证数据，支撑这类系统未来实现更大规模的落地部署。”

微软在《科学》期刊发布研究的同期，还同步发布了一份构建“医疗超级智能”的宣言类文件。微软将医疗超级智能定义为：“在全诊疗周期的医疗推理与协同能力上，超越当前最强的人类主导医疗系统的技术能力”。微软的目标不再局限于在单一任务基准测试中取得高分——比如答对医学考试题、生成诊断结论，而是转向与临床医师、医疗系统深度融合，最终实现更好的诊疗结果。

“这是全球所有人都期盼的技术，这也是为什么我们承诺将尽一切可能加速它的落地，”苏莱曼同时提到，对医疗AI赛道的聚焦，将成为微软区别于其他前沿AI实验室的核心差异化优势。微软目前已经面向临床医师销售语音转写与放射影像辅助工具，DxO将成为现有产品线的重要延伸。

“未来几年内，我们必须打造出全球最顶尖的临床决策支持产品，”苏莱曼说。